addproject的博客

哈喽，大家好啊，欢迎来到元视界ai。​虽然openclaw开始火起来是今年年初的事情了，但随着春节期间的发酵，似乎愈演愈烈，就连我老家的亲戚朋友都知道了小龙虾，并且，短短三个月内，openclaw就已经冲上了github的star第一，超越了盘踞数十年之久的Linux以及React，影响力可见一斑。​。

Hello，大家好，欢迎来到元视界，最近Skill非常的火，我也是花了不少时间深度研究了一下为了让大家更好的明白Skill是一个什么东西，我开发了一个插件，把Skill功能植入了Dify，那么今天，我就通过一个非常简单而全面的案例，让大家直观的感受到底什么是Skill，同时，也把这个插件免费开源分享给大家，共同学习。

用户需通过账号密码登录平台，登录页的风格、动画、LOGO、平台名称可根据企业需求定制适配，彰显品牌独立性。

通过Dify中的循环节点来实现，让正方AI和反方AI进行多轮交互，再植入一个评委AI，对双方的观点进行打分，过程中不断的持续输出双方的观点和每轮的评分以及总得分。整体效果还是非常不错的，通过一个Dify循环工作流实现了AI之间的激烈辩论，而且还有评委评价和打分，有类似场景的朋友可以获取DSL尝试一下。将正方，反方，评委打分内容输出，最后再把反方言论存到会话变量，以便于下一轮正方能知道反方说的是什么【这里就与开头接上了】。把正方反方观点传入，让大模型打分，并格式化的输出分数，为了后续好计算。

支持markdown和Json格式数据的传入【主要是接收数据库数据】支持Excel文件的直接传入，并且支持多Excel，多Sheet的数据读取和运算具备强大的运算功能，运算结果100%准确（解决了大模型运算不准的问题），可根据用户设定规则、问数需求进行分析运算，并输出运算后的markdown表格信息，可同时生成多个不同维度的运算结果表可生成可视化的图表，柱状图，饼状图，折线图，雷达图，散点图，漏斗图等，可同时生成多个图表可生成分析结果，并支持设定输出规则，格式，重点内容等。

B 端 AI 落地应用发展不及 C 端繁荣的核心原因包括：当前主流大模型主要基于 C 端数据进行训练，天然更适配 C 端应用场景企业使用 C 端大模型构建 AI 应用时，关键需要结合业务实际，对大模型的意图识别和内容生成能力进行定制化开发B 端企业面临数据私有化和数据质量等问题，导致行业大模型的研发门槛较高、发展进程缓慢部分企业对 AI 的认知仍显不足，尚未在数据治理、AI 素养提升和专业人才培养等基础领域开展系统化建设。

MCP是一个标准协议，通过他我们可以让Dify接入更多的功能，同时也可以将Dify搭建好的应用作为MCP发布出去给别人用，非常强大，接下来我们实操一下具体的使用方法。从这个过程也能实际感受到什么是"双向"MCP了既能使Dify接入外部的MCP工具，还能将自己编排好的AI应用作为MCP发布出去供别人使用，真的是非常厉害的功能。【Dify 实操小课堂】双向MCP实操：手把手教你玩转AI应用互通~

1、核心思路1.由于大部分数据库查询出来的数据都为类Json格式，所以此插件将基于JSON数据进行处理转化为可视化图表。2.采用大模型+图表代码模板混合的方式，大模型负责根据数据特征智能识别，生成图表横纵坐标，系列，分组的配置，然后通过图表代码模板快速生成图表代码。3.为防止超出上下文，不用给大模型全部数据，只用提供样例数据即可（比如前20行），但同时又为了防止数据量少导致大模型获取不到完整特征，先提前把数据做去重处理之后再给到大模型。Part 04。